Google Colab的一些注意事項

1、執行命令行前面加！

當我們使用python解釋器時，我們需要不停地在命令行和IDE 之間切換，當我們需要使用命令行工具時。不過，Jupyter Notebook給了我們在notebook中運行shell命令的能力，在指令前多放一個!就行了。任何命令行的指令都可以在IPython 中運行，只要前面多一個！。

In [1]: !ls
example.jpeg list tmp

In [2]: !pwd
/home/Parul/Desktop/Hello World Folder'

In [3]: !echo "Hello World"
Hello World

我們可以像下面這樣把值傳入和傳出shell 命令：

In [4]: files= !ls

In [5]: print(files)
['example.jpeg', 'list', 'tmp']

In [6]: directory = !pwd

In [7]: print(directory)
['/Users/Parul/Desktop/Hello World Folder']

In [8]: type(directory)
IPython.utils.text.SList

注意，返回結果的數據類型並不是list。

 

2、掛載Google Drive

如果你不需要連接到Drive上的文件，直接用Colab打開.ipynb文件即可，目錄如下：

 

 若你此時需要用到其它文件，可以直接點“上傳”，但會提示你運行關閉后上傳的圖片將被刪除。比如我傳一張圖片上去，

 

但這種方法只能上傳單個文件，不能上傳文件夾。一個好的方法是與Drive關聯。

可是默認狀態下，Colab根本就不知道我們的數據文件夾在哪里——即便我們本來就是從Google Drive的演示文件夾下面打開這個ipynb文件的。  

此時，必須將Drive中的文件與Colab關聯，可以執行一下命令授權：

from google.colab import drive
drive.mount('/content/drive/')

這個命令是將Drive掛載到‘/content/drive’下，查看此時的目錄就知道了

注意，每次打開新的Colab Notebook都需要重新關聯。

 

3、切換當前文件夾

Colab中使用pwd，ls等命令都沒有問題，就是使用cd命令切換路徑時沒有任何變化（懷疑人生）

import os
os.chdir("drive/.../...") 

此處為google drive中的文件路徑,drive為之前指定的工作根目錄，當然，也可以用相對路徑，與普通的cd一樣。

 還有幾個坑，待續......

 

接上文

4、查看python、OpenCV版本

import sys
import cv2
print("python版本:%s"% sys.version)
print("opencv版本:%s"% cv2.__version__)

 

5、自帶庫及庫的安裝

Colab 自帶了 Tensorflow、Matplotlib、Numpy、Pandas 等深度學習基礎庫。如果還需要其他依賴，如 Keras，可以新建代碼塊，輸入

# 安裝最新版本Keras
# https://keras.io/
!pip install keras
# 指定版本安裝
!pip install keras==2.0.9
# 安裝 OpenCV
# https://opencv.org/
!apt-get -qq install -y libsm6 libxext6 && pip install -q -U opencv-python
# 安裝 Pytorch
# http://pytorch.org/
!pip install -q http://download.pytorch.org/whl/cu75/torch-0.2.0.post3-cp27-cp27mu-manylinux1_x86_64.whl torchvision
# 安裝 XGBoost
# https://github.com/dmlc/xgboost
!pip install -q xgboost
# 安裝 7Zip
!apt-get -qq install -y libarchive-dev && pip install -q -U libarchive
# 安裝 GraphViz 和 PyDot
!apt-get -qq install -y graphviz && pip install -q pydot

!pip install jieba
!pip install h5py

 

 

參考鏈接：

1、Jupyter Notebook數據科學最佳實踐指南

2、http://wap.sciencenet.cn/blog-377709-1098006.html?mobile=1

3、https://www.jianshu.com/p/ce2e63d1c10c